Natural Language Processing (NLP) hat sich durch den Einsatz großer Sprachmodelle (LLMs) und moderner KI-Technologien stark weiterentwickelt. Ziel ist es, natürliche Sprache nicht nur zu verstehen, sondern auch kontextbezogen zu generieren und in komplexen Anwendungen wie Chatbots, Textanalyse oder semantischer Suche einzusetzen. NLP kombiniert Methoden aus der Sprachwissenschaft mit maschinellem Lernen und Deep Learning, um eine präzise und interaktive Kommunikation zwischen Mensch und Maschine zu ermöglichen.

Neben NLP-Techniken spielt auch die Analyse von Zeitreihen eine zentrale Rolle, insbesondere in Bereichen wie Prognosemodellen, Anomalieerkennung und Trendanalysen. In dieser Vorlesung werden daher moderne Methoden des NLP sowie der Zeitreihenanalyse behandelt und in Frameworks wie TensorFlow, PyTorch und LangChain angewendet.

Folgende Themen werden behandelt:

• Transformers und Self-Attention Mechanismen
• Large Language Models (LLMs) wie GPT & BERT
• LangChain und Retrieval-Augmented Generation (RAG)
• Prompt Engineering und Fine-Tuning von Sprachmodellen
• Anwendungen in der Chatbot-Entwicklung und generativen KI
• Methoden der Textanalyse & semantische Embeddings
• Regressions- & Klassifikationsprobleme
• Zeitreihenanalyse mit Deep Learning (LSTM, GRU, TCN)
• KI-basierte Prognosemodelle und Anomalieerkennung in Zeitreihen
• Problemstudie an aktuellen Wettbewerben, z.B. Kaggle.com oder Data Mining Cup